BP-AdaBoost模型在光纤陀螺零偏温度补偿中的应用

针对光纤陀螺零偏漂移随温度呈复杂的非线性变化,建立了BP-AdaBoost（Back Propagation neural network,Adaptive Boosting）模型对零偏进行补偿,改善了光纤陀螺的零偏稳定性能.同时,研究了模型参数对预测精度的影响,给出了BP神经网络隐含层神经元个数的选择以及AdaBoost模型迭代次数的确定方法.运用AdaBoost算法提升单个BP神经网络的预测能力,提高了集成模型整体的预测精度.对采集的光纤陀螺输出实测数据进行了事后仿真,结果表明,BP-AdaBoost模型相比传统的线性回归模型、混合线性回归模型、单个BP神经网络模型的补偿效果更显著,验证了该模型的有效性,具有重大的工程应用参考价值.      

基于AR模型光纤陀螺温度建模方法研究

针对光纤陀螺随机误差信号特点,在分析其一般时间序列模型的基础上,将AR建模方法运用于随机误差信号的建模,得到陀螺随温度变化的真实趋势,然后利用数学方法建立陀螺的动态温度误差模型,对陀螺的输出进行实时补偿.经过仿真分析表明,通过以上方法的处理后,陀螺在-20℃～50℃全温范围内的零偏极差不超过0.2(°)/h,大幅度提高了陀螺的精度性能.     

半球谐振陀螺零偏温度漂移的自补偿

摘要： 针对半球谐振陀螺零偏受温度影响容易发生漂移的问题,提出一种基于陀螺自身谐振频率的自补偿方法.通过分析陀螺谐振频率与温度的关系特性说明陀螺谐振频率用作温度信息进行补偿的可行性,建立陀螺零偏的温度补偿模型及方案,采集陀螺驱动回路的谐振频率对零偏进行实时补偿.此方案中,陀螺谐振频率检测的分辨率为0.03 Hz,对应的温度分辨率为0.075 ℃,在-10 ℃～60 ℃温度范围内,陀螺的零偏漂移由补偿前的30（°）/h降低到2.8（°）/h.实验结果证明该方案的有效性.     

光纤陀螺随机漂移模型

随机漂移是光纤陀螺的主要误差,建立数学模型在输出中补偿是抑制该项误差、提高光纤陀螺精度的有效方法.光纤陀螺静态输出为随机过程,对该随机过程的平稳性和正态性进行分析,拟合趋势项、周期项并补偿,使其成为平稳随机序列.采用时间序列分析法建立光纤陀螺随机漂移模型,根据随机漂移自相关和偏相关系数的特性辨识模型的类型和阶数,利用最小二乘方法估计模型参数,得到光纤陀螺随机漂移模型为AR(2).对陀螺输出数据补偿,检验模型的适用性.结果表明,该模型具有很好的适用性,能够有效抑制随机漂移,提高光纤陀螺精度,可以作为惯导系统卡尔曼滤波器状态变量的数学模型.      

光纤陀螺光源驱动技术

为提高光纤陀螺精度, 实现光纤陀螺工程化,设计了高精度恒流源及精密温控电路,用于光纤陀螺光源驱动.结合光纤陀螺特点,讨论了从光纤陀螺耦合器和探测器提取信号进行光反馈控制的方案.测试结果表明, 在变温环境下(-20℃～55℃),恒流精度达到0.06%, 温控精度达到0.1℃,光源出纤功率的变化在0.1%范围内,较通用的光源驱动电路提高了一个数量级.     

谐振式集成光学陀螺中电流调谐致强度噪声研究

采用半导体激光器(LD)是谐振式集成光学陀螺(RIOG)小型化发展的重要趋势,但是LD的电流调谐特性会引入强度噪声.理论分析了电流调谐致强度噪声对开环RIOG性能的影响,得到频率锁定位置与LD输出光强之间为线性关系.随后,提出了基于频率锁定位置的强度噪声抑制方案,通过频率锁定位置实时监测LD输出光强的变化,根据监测值得到补偿系数,并补偿陀螺输出.建立了抑制电流调谐致强度噪声的理论模型,并进行了实验验证,RIOG的零偏稳定性由0.768(°)/s提高到0.103(°)/s.      

一种高动态条件下惯性星光组合定姿方法

针对高动态条件下星图拖尾导致惯性星光组合定姿精度下降甚至无法定姿的问题,提出了一种基于乘性扩展卡尔曼滤波的惯性星光深度组合姿态确定方法.利用星敏感器观测信息修正姿态误差,补偿陀螺漂移,并建立了陀螺输出的角度变化量与星图像移的关系,利用陀螺输出信息估计星图拖尾的模糊参数,采用维纳滤波复原方法对产生拖尾的星图进行复原以提高星图信噪比和观测精度.仿真结果表明该方法可以有效提高星像质心提取精度和星图识别率,对初始姿态误差修正更快,且不存在星图误匹配的情况,保证了惯性星光组合定姿方法在高动态条件下仍能保持较高的精度.     

光纤陀螺随机漂移误差补偿适用性方法

针对传统方法在建立时间序列模型基础上应用卡尔曼滤波器去除陀螺随机噪声误差的缺陷,提出了一种适于在线补偿光纤陀螺FOG(Fiber Optic Gyrosope)随机误差的滤波方法.当建立的时间序列模型系数出现偏差时,通过引入虚拟噪声,来补偿滤波过程由于系统模型时变和未知噪声而引入的误差,实现了对陀螺随机漂移误差的高精度滤波处理.其次,利用Allan 方差分析法分离并确定了光纤陀螺的主要随机误差源,并对建立的光纤陀螺时间序列模型及滤波方法的适用性及精度进行了评估.通过对光纤陀螺实测数据的分析表明,速率斜坡、速率随机游走和零偏稳定性为FOG的主要随机噪声,所提出的自适应滤波算法能够适应陀螺漂移的时变特点,是一种有效的去除光纤陀螺随机漂移噪声方法.      

MEMS陀螺标度因数误差分析及分段插值补偿

动态条件下,标度因数引起的误差是MEMS(Micro Electromechanical System)陀螺主要误差源之一.为了提高陀螺精度,基于内框驱动式硅MEMS陀螺误差机理,分析了标度因数常值误差、非线性误差以及不对称误差的物理起因,构建了标度因数误差数学模型,提出了对陀螺标度因数按照角速度大小分段插值的补偿方法,消除了转速引起的陀螺标度因数误差.试验结果表明:MEMS陀螺标度因数误差高达4053.2(°)/h(1 σ ),采用分段插值法补偿后陀螺误差减小到79.0(°)/h(1 σ ),补偿精度比一次拟合及分段法分别提高了15.4倍和7.5倍,验证了MEMS陀螺标度因数误差模型的正确性,证明了标度因数实时分段插值补偿方法的准确性和适用性.      

卫星用光纤陀螺三轴组合的关键技术

研究了空间环境对光纤陀螺各项指标的影响,设计了一种新颖的卫星用光纤陀螺三轴组合.针对空间辐射、温度循环和真空环境对光纤陀螺的影响进行了模拟实验,通过分析实验数据得到了空间环境对光纤陀螺主要参数的影响机理.利用最小二乘滤波的方法建立了偏置误差模型,利用查表法建立了标度因数误差模型,并用现场可编程门阵列(FPGA)实时进行零偏和标度因数补偿,补偿后陀螺输出零偏稳定性为0.1(°)/h.同时详细分析了陀螺在空间低角速度环境下产生死区的原因,并利用周期相位扰动调制的方法消除了死区.在卫星用光纤陀螺三轴组合的设计中,实现了光源复用和冗余、空间主动和被动防护措施、在轨故障诊断等技术.      

Stacked-GRU网络在动力随动陀螺零部件选配上的应用

动力随动陀螺是红外导引头位标器的核心部件之一,其装配质量对于导弹制导精度而言有着决定性的作用。针对动力随动陀螺零部件一次选配成功率低的问题,提出了一种基于数据驱动的动力随动陀螺零部件选配方法。对动力随动陀螺零部件装配现状进行了分析,考虑到零部件装配参数间复杂的非线性映射关系,建立了堆叠门控循环单元（Stacked-GRU）网络数据驱动模型,对陀螺待装配零部件参数属性值进行了预测。根据预测结果指导了陀螺零部件的选配,并以陀螺典型零部件装配为例进行了验证。实验结果表明,所提方法能够实现动力随动陀螺零部件的选配,且预测精度优于传统神经网络。     

基于SCSO-BP神经网络的卫星姿态控制系统故障预测

近年来,随着人工智能的迅速发展,基于人工神经网络的卫星姿态控制系统故障预测方法得到了越来越多的重视。在反向传播(Back Propagation ,BP)神经网络中,权重和偏置是重要的可调节参数,与神经网络的预测性能密切相关。BP神经网络的初始权重和偏置为随机生成,设置不当容易导致网络在训练过程中陷入局部极值,进而影响预测性能。为了提高BP神经网络的预测性能,提出了一种将沙猫群优化(Sand Cat Swarm Optimization ,SCSO)算法与BP神经网络相结合的预测方法。在训练过程中,首先通过SCSO 算法对BP神经网络权重和偏置进行预训练,在此基础上,利用精调后的BP神经网络对卫星姿态控制系统周期渐变故障数据的未来趋势进行预测。实验结果表明,与原始BP神经网络预测方法相比,SCSO-BP预测方法能够有效减小预测误差,具有更好的预测精度。     

基于BP神经网络X频段调制器故障预测

本文采用BP神经网络对X频段调制器的故障预测进行研究,通过仿真软件编程构建BP神经网络故障预测模型,验证X频段调制器输出功率指标的精确性,根据测试结果表明建立的BP神经网络故障模型预测误差很小,能够较准确对X频段调制器的输出功率故障进行预测。     

一种新型陀螺的力矩器非圆性误差补偿方法

为提高磁悬浮控制敏感陀螺（MSCSG）对陀螺载体姿态的敏感精度,基于其洛伦兹力磁轴承（LFMB）的设计结构,提出了一种力矩器非圆性误差补偿方法。首先,针对一种新型双球形包络面转子MSCSG,介绍了MSCSG的结构特点与陀螺载体姿态角速度敏感原理,并分别建立了MSCSG力矩器半径误差模型、转子偏转干扰力矩模型与陀螺载体姿态角速度敏感误差模型。其次,通过实验测量了力矩器的圆度,通过MATLAB进行数据拟合得到了力矩器的非圆特性,采用勒让德多项式级数对力矩器非圆性进行了描述,并有效补偿了因力矩器非圆性误差导致的姿态角速度敏感误差。最后,对误差补偿效果进行了仿真验证,结果表明该补偿方法使陀螺载体姿态角速度敏感误差降低了83.5%。此外,本文方法还可以解决LFMB陀螺的相关共性问题。      

基于神经网络的拖靶高度自抗扰控制研究

为了解决建立拖靶数学模型的难点以及高度测量误差的影响,提出了基于神经网络的拖靶高度自抗扰控制方法。自抗扰控制降低了模型的不准确对飞行控制造成的影响。以垂向加速度信号和高度信号作为神经网络的输入信号,得到自抗扰控制器的补偿因子系数,既降低了高度表测量误差的影响,又使得自抗扰控制的补偿因子得到实时更正。仿真表明,该方法使得拖靶的控制性能更加精确,有效抑制了外界的干扰,达到了恒高飞行的目标。     

基于BP神经网络技术的电离层VTEC融合

随着电离层探测技术的不断发展,电离层观测资料也越来越多,只使用单一的观测资料会出现电离层反演精度不高的问题。为了提高电离层的反演精度,使用BP神经网络技术将地基反演和国际参考电离层(international reference ionosphere,IRI)模型的垂直总电子含量（vertical total electron content,VTEC）数据进行有效融合。在温带地区\[35°(N)~45°(N),60°(E)~80°(E)\]进行电离层反演试验,结果表明基于BP神经网络技术的电离层数据融合和地基反演获得的电离层VTEC精度都比较高,但是基于BP神经网络的电离层数据融合反演精度比地基反演更高,所以基于BP神经网络技术的数据融合能够提高电离层的反演精度。     

基于功耗残差的航天器CMG退化特征提取方法

为实现航天器控制力矩陀螺(CMG)性能退化状态评估,提出了一种基于卷积神经网络(CNN)与功耗残差的CMG退化特征提取方法。由于CMG控制系统对高速转子运动状态的高精准控制,CMG退化特征难以从转子运动状态数据中直接提取。针对该问题,从转子系统的能量损耗角度出发,通过分析CMG工作机理确定了影响单位时间内转子电机功耗的变量,并通过CNN建立了CMG运行状态参数与电机功耗之间的映射。将退化状态下电机实际功耗与模型输出的残差作为退化特征对CMG退化状态进行评价。通过某型号CMG的加速寿命实验数据进行验证,结果表明：构建的退化特征能够表征CMG转子轴承的性能退化情况,从而为CMG状态监测和故障预警提供参考。     

垂直起降运载火箭着陆段抗漂移控制算法

针对垂直返回火箭着陆段高精度控制的难点,提出一种抗漂移控制算法,以动力显式制导和PID控制为基础,设计了基于陀螺和加表信息的干扰观测器,用于估计环境干扰、液体晃动、结构偏差及模型不确定性等引起的干扰力和干扰力矩,通过伺服摆角和程序角补偿,平衡了力和力矩的干扰。仿真结果表明,该方法求解方便,工程实现性强 ,采用抗漂移控制算法相比于传统控制,姿态控制精度有较大提升,轨迹漂移量缩小50%以上,能为工程实践提供很好的支撑。     

基于循环神经网络的卫星姿态执行器故障诊断

针对卫星姿态控制系统执行器机构故障问题,提出了一种基于循环神经网络的故障诊断方法.对卫星姿态控制系统建模,进行故障分析并采集星敏感器和角速度陀螺的连续时刻故障数据.设计六种异构的循环神经网络,对故障数据进行故障诊断和分类,分别从网络深度、反馈单元、激活函数和训练算法对比网络效果.带有门循环单元的(gate recurr...